题目内容
对应GradientBoostingtree算法，以下说法正确的是()
1.当增加最小样本分裂个数，我们可以抵制过拟合
2.当增加最小样本分裂个数，会导致过拟合
3.当我们减少训练单个学习器的样本个数，我们可以降低variance
4.当我们减少训练单个学习器的样本个数，我们可以降低bias
查看答案
搜索结果不匹配？点我反馈
更多问题
在有监督学习中，我们如何使用聚类方法()
1.我们可以先创建聚类类别，然后在每个类别上用监督学习分别进行学习
2.我们可以使用聚类“类别id”作为一个新的特征项，然后再用监督学习分别进行学习
3.在进行监督学习之前，我们不能新建聚类类别
4.我们不可以使用聚类“类别id”作为一个新的特征项，然后再用监督学习分别进行学习
以下说法正确的是()
1.一个机器学习模型，如果有较高准确率，总是说明这个分类器是好的
2.如果增加模型复杂度，那么模型的测试错误率总是会降低
3.如果增加模型复杂度，那么模型的训练错误率总是会降低
4.我们不可以使用聚类“类别id”作为一个新的特征项，然后再用监督学习分别进行学习
对于PCA(主成分分析)转化过的特征,朴素贝叶斯的”不依赖假设”总是成立,因为所有主要成分是正交的,这个说法是()
对于随机森林和GradientBoostingTrees,下面说法正确的是()
1.在随机森林的单个树中,树和树之间是有依赖的,而GradientBoostingTrees中的单个树之间是没有依赖的.
2.这两个模型都使用随机特征子集,来生成许多单个的树
3.我们可以并行地生成GradientBoostingTrees单个树,因为它们之间是没有依赖的,GradientBoostingTrees训练模型的表现总是比随机森林好
微信支付 
支付宝支付